网络协议流不平衡环境下基于机器学习算法的在线流量分类方法

摘要：

随着时间的推移,网络协议流将出现不平衡的现象,经常出现不可预知的在线流量种类,传统在线流量分类模型无法对未知的流量种类进行分类,导致整体分类精度低,适应能力差.为此提出一种新的基于机器学习算法的在线流量分类方法,针对不同类别的在线流量样本流集合筛取出若干最近邻样本流,求出各个样本流特征权重,确定各个特征与类别的相关性,将相关性大的特征当成在线流量特征.依据得到的特征选取部分标识在线流量数据,确定 K中值聚类的起始中心,构造映射关系,获取未知的在线流量种类.实验结果表明,所提方法有很高的分类精度,且扩展性和适应能力较强.

关键词：机器学习算法、在线流量、分类、网络

所属期刊栏目：17

分类号：TP393.07(计算技术、计算机技术)

在线出版日期：2017-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：103-107